一. 索引详解
标签索引与位置索引
如果Series对象的index值为非数值类型，通过[索引]访问元素，索引既可以是标签索引，也可以是位置索引。这会在一定程度上造成混淆。我们可以通过：
- loc 仅通过标签索引访问。
- iloc 仅通过位置索引访问。
这样，就可以更加具有针对性去访问元素。
整数数组索引与布尔数组索引
Series也支持使用整数数组与布尔数组进行索引。与Numpy数组相同，二者返回的是原数组数据的拷贝（复制）。
说明：
- 与ndarray数组的整数索引不太相同，Series的整数数组索引，既可以是标签数组索引，也可以是位置数组索引。
# 当Series的索引（index）是数值类型时，此时，只能通过标签索引访问元素。
# 当Series的索引时非数值类型时，此时，既可以通过标签索引访问元素，也可以通过位置索引访问元素。
# 这会造成极大的混淆。因此，不建议使用s[索引]的方式访问元素。
# s = pd.Series([23, 12, 33], index=[5, 6, 7])
s = pd.Series([23, 12, 33], index=["a", "b", "c"])
# s["a"]
# s[-1]
# 建议：使用loc与iloc访问元素。
# loc 仅针对标签索引访问元素。
# iloc仅针对位置索引访问元素。
# s.loc["a"]
# 错误，loc仅能通过标签索引访问元素。
# s.loc[0]
# s.iloc[-1]
# 错误，iloc仅能通过位置索引访问元素。
# s.iloc["a"]
# s.ix与s[索引]的方式类似，表示先根据标签索引访问元素，如果找不到，再根据位置索引访问元素。
# s.ix 已经不建议使用。
# s.ix["a"], s.ix[-1]
特别注意，用的时候会有混淆
会出错
提供index a
这时候可以了吗？
原因在于index到底是数值类型还是非数值类型。
如果是非数值类型，
既可以通过标签索引来访问元素，也可以通过位置索引来访问元素。
所以，不建议。
更好的方法，区分开来 标签索引 位置索引。
通过
Loc 位置 Iloc 标签
混淆：标签和位置 都能访问。
希望能有一致性，Loc 只能标签索引。
Loc 如果位置索引，会报错。
Loc仅能通过标签索引。
s.iloc只能位置，标签就会报错。
负值也支持。
老代码 s.ix，
还有，老代码 s.ix，
警告信息： 不建议使用。
标签数组索引，基于标签进行访问
整数数组索引 布尔数组索引
通过标签进行访问
通过位置来访问，也支持
以上就是通过索引数组获取元素，必须是通过 标签索引。
s = pd.Series([23, 12, 33], index=["a", "b", "c"])
# 通过索引数组获取元素。
# s[["a", "b"]]
# s[[0, 2]]
# s[s > 12]
# 通过索引数组获取元素，返回的是原数组对象（Series）的拷贝。这点与ndarray相同。
s2 = s[["a", "b"]]
s.loc["a"] = 300
print(s)
print(s2)
布尔数组索引
返回布尔
返回过滤结果
类数组对象就可以，并非一定是要严格ndarray。
修改值
索引获取，返回拷贝
二. 切片详解
Series也支持切片访问一个区间的元素。与Numpy的数组相同，切片返回的是原数组数据的视图。
Series的切片与Numpy的ndarray数组对象切片是否存在不同？
能是能，
但是有歧义，既可以通过标签，也可以通过位置。
位置索引 起包 终 不包
标签索引 起 终 都包含
Ndarray永远基于位置索引访问
s = pd.Series([23, 12, 33], index=["a", "b", "c"])
# Series支持切片，不建议这样使用。建议使用loc与iloc。
# s[0:2]
# Series切片返回的是原Series对象的视图。一个对象修改了，将会另外一个对象造成影响。
# s2 = s.iloc[0:2]
# s.iloc[0] = 1000
# print(s)
# print(s2)
S修改之后，s2也改变
Series切片返回的时原series对象的视图，一个对象修改了，会对另外一个对象造成影响
# Series与ndarray都支持切片操作，但是，二者的切片行为是存在差异的。
# 对于ndarray，是基于位置进行切片的。（没有标签索引）
# 对于Series，既可以根据标签索引进行切片，也可以根据位置索引进行切片。
s = pd.Series([23, 12, 33], index=["a", "b", "c"])
# 包含起始点，不包含终止点。
# s.iloc[0:2]
# 包含起始点，也包含终止点。
s.loc["a":"c"]
三. Series的CRUD操作
Series索引-数值CRUD操作：
- 获取值
- 修改值
- 增加索引-值
- 删除索引-值
s = pd.Series([1, 2, 3], index=["a", "b", "c"])
# 获取值，建议使用loc与iloc。
# s.loc["a"]
# s.iloc[0]
# 修改值
# s.loc["a"] = 100
# s.iloc[-1] = 300
# Series类似于字典的存储方式，因此，增加索引-值的方式与字典也是相同的。
# 增加与修改的语法是相同的。增加还是修改，完全取决于索引在Series当中是否存在，如果存在，则是修改，
# 如果不存在，则是增加。
# s.loc["d"] = 400
获取值 loc iloc
# 删除索引-值。
# del s["a"]
# 参数指定要删除的标签。如果需要删除多个标签，可以传递一个数组。
# s.drop("a")
# s.drop(["a", "b"])
# s.drop默认会返回新的对象，没有在原有的对象上进行修改。如果我们希望在原有的对象上进行修改（就地修改），
# 可以设置inplace参数（默认为False），将其设置为True。
# s = s.drop("a")
# s.drop("a", inplace=True)
# print(s)
# 注意：inplace为True的时候，方法返回值为None。如果inplace为False，则方法会返回修改之后的结果。
# s.drop("a", inplace=False)
删除操作
不去用，因为这是字典的方式。
如何去用？
s.drop()方法 传索引
传一个数组，删除多个。
想把s打印一下，有没有真的删除？
没有成功，s.drop一大堆，返回的都是新创建的对象，
如果想让它修改，还是得赋值回来。
在原有对象上修改，
如果不想赋值呢？想再原有对象上修改，怎么办？
设置implace参数，设置为true，Inplace 出现频率很高。
每个人都有擅长点，我想做bitalent。
修改成功了。
返回值没有 是none，Print就有 none。
Jn中 b会把a盖掉
Li.sort()没有返回值，
就地修改，想要的结果调用li就可以了，
没有返回值是因为访问li就行了。
Sorted(li) 新的创键一个对象，li不变，
Sorted也没返回值，就没有意义了。
Inplace = true 对s对象本身的修改
输出s就行了，
可以通过s获得修改后的结果。
False没有进行就地修改，如果又没有返回值 就没有意义
Pandas里面提供的方法，只要涉及到inplace，就是这个思想。
